人工智能是研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动,来解决需要用人类智能才能解决的问题,以延伸人们智能的科学。本课程主要介绍人工智能的基本概念、基本原理、知识的表示、python基础和TensorFlow使用,以及机器学习的技术方法. 掌握人工智能的一个问题和三大技术,即通用问题求解和知识表示技术、搜索技术、推理技术。
l 掌握网络技术的基础知识
l 具备Linux的基础知识
l 具备高等数学的基础知识
完成该项目培训后,您将能够:
l 了解AI概览
l 掌握Python编程的语法
l 掌握深度学习所需的数学基础知识
l 了解TensorFlow概览
l 了解深度学习预备知识和深度学习概览
l 了解华为云EI概览
l 具有Python基础编程能力
l 具有用Python做数学基础编程的能力
l 具有TensorFlow基础编程能力
l 具有图像识别基础编程能力
l 具有语音识别基础编程能力
l 具有人机对话基础编程能力
模块名称 | 课程内容 |
第一章 AI概览 | 1. 人工智能技术的过去、现在与未来 2. 人工智能产业发展全貌 3. 各国人工智能发展战略规划 4. 人工智能时代的公平与正义 5. 人工智能时代的人机关系 6. 人工智能治理 7. 畅想未来的人工智能社会 |
第二章 Python 编程 | 1. Python编程语言简介 2. Python基础语法 3. 流程控制语句 4. 列表、元组、字典、集合 5. 字符串 6. 函数 7. 面向对象编程 8. 日期和时间 9. 正则表达式 10. 文件操作 11. 数据库操作 |
第三章 数学基础知识 | 1. 线性代数 n 矩阵 n 特征分解 n 奇异值分解 n Moore-Penrose 伪逆 n 迹运算 n 行列式 n 实例:主成分分析 2. 概率与信息论 n 随机变量 n 概率分布 n 边缘概率 n 条件概率 n 独立性和条件独立性 n 期望、方差和协方差 n 常用概率分布 n 贝叶斯规则 n 连续型变量 n 信息论 n 结构化概率模型 3.值计算 n 上溢和下溢 n 病态条件 n 基于梯度的优化方法 n 约束优化 n 实例:线性最小二乘 |
第四章 机器学习 | 1. 机器学习介绍 2. 机器学习的开发流程 3. 特征工程 4. 机器学习分类算法介绍及应用 5. 机器学习回归算法介绍及应用 6. 机器学习聚类算法介绍及应用 |
第五章 深度学习 | 1. 深度学习基础与概述 2. 神经网络,感知机 3. 卷积神经网络 4. 循环神经网络 5. 对抗神经网络 |
第六章 业界主流开发框架 | 1. 深度学习框架介绍 2. Pytorch介绍 3. TensorFlow介绍 4. TensorFlow 的特点 5. TensorFlow2 基础知识 6. TensorFlow2 各模块介绍 7. 搭建开发环境 8. 了解TensorFlow2 开发的基本步骤 n 定义 TensorFlow2 输入节点 n 定义“学习参数” 的变量 n 定义 “运算” n 优化函数,优化目标 n 初始化所有变量 n 迭代更新参数到最优解 n 测试模型 n 使用模型 |
第七章 Atlas人工智能计算平台 | 1. AI芯片概览 2. 昇腾芯片硬件架构 3. 昇腾芯片软件架构 4. 华为Atlas人工智能计算平台 5. Atlas行业应用 |
第八章 华为智能终端AI开放平台 | 1. 华为AI的认知及EI的由来 2. AI产业生态 3. HUAWEI HiAI 平台介绍 4. 基于HiAI平台开发APP 5. 华为云EI企业智能详细介绍 n 基础平台类服务 n 通用领域类服务 n 行业领域类服务 |
第九章 实验 | 1. Python编程基础实验 2. 3. 数学基础知识实验 4. TensorFlow 编程基础实验 5. 线性回归-房价预测 6. 图像识别编程实验 7. 语音识别编程实验 8. 人机对话编程实验 |